鲁巍智慧服务平台部实习答辩：基于深度学习的人脸识别性别预测

鲁巍在2022年6月加入智慧服务平台部，作为电子信息专业的实习生，其主要研究方向集中在基于深度强化学习的调度优化算法。实习期间，他专注于一项关键任务，即通过用户人脸识别图像进行用户性别分类，以提升用户画像预测的准确性。这项工作具有实际应用价值，因为用户性别是基础属性，且随着智能手机用户中越来越多的人使用人脸识别解锁，技术落地的可能性大增。 鲁巍首先进行了技术调研，研究了使用人脸识别进行性别预测的现有技术，如FERET_80x80数据集和0_realRGB数据集，对比了不同方法的准确率。他还设计了初步实验，包括网络层数设置、数据预处理、数据增强、模型训练以及效果评估，通过表1和表2记录了这些步骤的结果。其中，他使用卷积神经网络作为核心算法，通过调整网络结构来提高预测性能。 在实验过程中，鲁巍面临了挑战，例如如何处理训练过程中的过拟合问题，他引入了回调机制，如ReduceLROnPlateau和EarlyStopping，以便在验证集损失停滞不前时自动调整学习率或停止训练，以保持模型的稳定性和效率。他的改进实验是在初步实验的基础上进行的，针对训练效果不佳的地方进行优化，最终通过表3和表4展示了不同网络层数设置下模型的评估结果。 实验结果显示，鲁巍的用户性别分类算法在训练集、验证集和测试集上都取得了较高的准确率，同时AUC、精确率、召回率和F1分数等评估指标也显示出模型的有效性。这些成果对于提升用户画像预测的精度具有重要意义，也为实际产品中的用户识别功能提供了技术支持。 在整个实习过程中，鲁巍不仅展示了扎实的专业技能，还展现了良好的问题解决能力和团队协作精神，他的工作成果对于智慧服务平台部乃至整个公司的发展都有着积极的影响。通过这个项目，鲁巍证明了深度学习在用户画像预测领域的潜力，并为后续的实践应用提供了宝贵的经验。